NVIDIA TensorRT 支持循環(huán)結(jié)構(gòu),這對(duì)于循環(huán)網(wǎng)絡(luò)很有用。 TensorRT 循環(huán)支持掃描輸入張量、張量的循環(huán)定義以及“掃描輸出”和“最后一個(gè)值”輸出。
10.1. Defining A Loop
循環(huán)由循環(huán)邊界層(loop boundary layers)定義。
ITripLimitLayer指定循環(huán)迭代的次數(shù)。
IIteratorLayer使循環(huán)能夠迭代張量。
IRecurrenceLayer指定一個(gè)循環(huán)定義。
ILoopOutputLayer指定循環(huán)的輸出。
每個(gè)邊界層都繼承自類ILoopBoundaryLayer ,該類有一個(gè)方法getLoop()用于獲取其關(guān)聯(lián)的ILoop 。 ILoop對(duì)象標(biāo)識(shí)循環(huán)。具有相同ILoop的所有循環(huán)邊界層都屬于該循環(huán)。
下圖描繪了循環(huán)的結(jié)構(gòu)和邊界處的數(shù)據(jù)流。循環(huán)不變張量可以直接在循環(huán)內(nèi)部使用,例如 FooLayer 所示。
一個(gè)循環(huán)可以有多個(gè)IIteratorLayer 、 IRecurrenceLayer和ILoopOutputLayer ,并且最多可以有兩個(gè)ITripLimitLayer ,如后面所述。沒(méi)有ILoopOutputLayer的循環(huán)沒(méi)有輸出,并由 TensorRT 優(yōu)化。
NVIDIA TensorRT 支持矩陣中的流控制結(jié)構(gòu)層部分描述了可用于循環(huán)內(nèi)部的 TensorRT 層。
內(nèi)部層可以自由使用在循環(huán)內(nèi)部或外部定義的張量。內(nèi)部可以包含其他循環(huán)(請(qǐng)參閱嵌套循環(huán))和其他條件構(gòu)造(請(qǐng)參閱條件嵌套)。
要定義循環(huán),首先,使用INetworkDefinition ::addLoop方法創(chuàng)建一個(gè)ILoop對(duì)象。然后添加邊界層和內(nèi)部層。本節(jié)的其余部分描述了邊界層的特征,使用loop表示INetworkDefinition ::addLoop返回的ILoop* 。
ITripLimitLayer支持計(jì)數(shù)循環(huán)和 while 循環(huán)。
loop -》addTripLimit( t ,TripLimit::kCOUNT)創(chuàng)建一個(gè)ITripLimitLayer ,其輸入t是指定循環(huán)迭代次數(shù)的 0D INT32 張量。
loop -》addTripLimit( t ,TripLimit::kWHILE)創(chuàng)建一個(gè)ITripLimitLayer ,其輸入t是一個(gè) 0D Bool 張量,用于指定是否應(yīng)該進(jìn)行迭代。通常t要么是IRecurrenceLayer的輸出,要么是基于所述輸出的計(jì)算。
一個(gè)循環(huán)最多可以有一種限制。
IIteratorLayer支持在任何軸上向前或向后迭代。
loop -》addIterator( t )添加一個(gè)IIteratorLayer ,它在張量t的軸 0 上進(jìn)行迭代。例如,如果輸入是矩陣:
2 3 5
4 6 8
第一次迭代的一維張量{2, 3, 5}和第二次迭代的{4, 6, 8} 。超出張量范圍的迭代是無(wú)效的。
loop -》addIterator( t , axis )類似,但該層在給定的軸上迭代。例如,如果 axis=1 并且輸入是矩陣,則每次迭代都會(huì)傳遞矩陣的一列。
loop -》addIterator( t , axis,reverse )類似,但如果reverse =true ,則該層以相反的順序產(chǎn)生其輸出。
ILoopOutputLayer支持三種形式的循環(huán)輸出:
loop -》addLoopOutput( t, LoopOutput::kLAST_VALUE)輸出t的最后一個(gè)值,其中t必須是IRecurrenceLayer的輸出。
loop-》 addLoopOutput( t ,LoopOutput::kCONCATENATE, axis )將每次迭代的輸入串聯(lián)輸出到t 。例如,如果輸入是一維張量,第一次迭代的值為{ a,b,c} ,第二次迭代的值為{d,e,f} , axis =0 ,則輸出為矩陣:
a b c
d e f
如果axis =1 ,則輸出為:
a d
b e
c f
loop-》 addLoopOutput( t ,LoopOutput::kREVERSE, axis )類似,但顛倒了順序。 kCONCATENATE和kREVERSE形式都需要第二個(gè)輸入,這是一個(gè) 0D INT32 形狀張量,用于指定新輸出維度的長(zhǎng)度。當(dāng)長(zhǎng)度大于迭代次數(shù)時(shí),額外的元素包含任意值。第二個(gè)輸入,例如u ,應(yīng)使用ILoopOutputLayer::setInput(1, u )設(shè)置。
最后,還有IRecurrenceLayer 。它的第一個(gè)輸入指定初始輸出值,第二個(gè)輸入指定下一個(gè)輸出值。第一個(gè)輸入必須來(lái)自循環(huán)外;第二個(gè)輸入通常來(lái)自循環(huán)內(nèi)部。例如,這個(gè) C++ 片段的 TensorRT 模擬:
for (int32_t i = j; 。..; i += k) 。..
可以通過(guò)這些調(diào)用創(chuàng)建,其中j和k是ITensor* 。
ILoop* loop = n.addLoop();
IRecurrenceLayer* iRec = loop-》addRecurrence(j);
ITensor* i = iRec-》getOutput(0);
ITensor* iNext = addElementWise(*i, *k,
ElementWiseOperation::kADD)-》getOutput(0);
iRec-》setInput(1, *iNext);
第二個(gè)輸入是TensorRT允許后沿的唯一情況。如果刪除了這些輸入,則剩余的網(wǎng)絡(luò)必須是非循環(huán)的。
10.2. Formal Semantics
TensorRT 具有應(yīng)用語(yǔ)義,這意味著除了引擎輸入和輸出之外沒(méi)有可見(jiàn)的副作用。因?yàn)闆](méi)有副作用,命令式語(yǔ)言中關(guān)于循環(huán)的直覺(jué)并不總是有效。本節(jié)定義了 TensorRT 循環(huán)結(jié)構(gòu)的形式語(yǔ)義。
形式語(yǔ)義基于張量的惰性序列(lazy sequences)。循環(huán)的每次迭代對(duì)應(yīng)于序列中的一個(gè)元素。循環(huán)內(nèi)張量X的序列表示為? X 0, X 1, X 2, 。.. ? 。序列的元素被懶惰地評(píng)估,意思是根據(jù)需要。
IIteratorLayer(X)的輸出是? X[0], X[1], X[2], 。.. ?其中X[i]表示在IIteratorLayer指定的軸上的下標(biāo)。
IRecurrenceLayer(X,Y)的輸出是? X, Y0, Y1, Y2, 。.. ? 。 的輸入和輸出取決于LoopOutput的類型。
kLAST_VALUE :輸入是單個(gè)張量X ,對(duì)于 n-trip 循環(huán),輸出是X n 。
kCONCATENATE :第一個(gè)輸入是張量X,第二個(gè)輸入是標(biāo)量形狀張量Y。結(jié)果是X0, X1, X2, 。.. Xn-1與后填充(如有必要)連接到Y(jié)指定的長(zhǎng)度。如果Y 《 n則為運(yùn)行時(shí)錯(cuò)誤。 Y是構(gòu)建時(shí)間常數(shù)。注意與IIteratorLayer的反比關(guān)系。 IIteratorLayer將張量映射到一系列子張量;帶有kCONCATENATE的ILoopOutputLayer將一系列子張量映射到一個(gè)張量。
kREVERSE :類似于kCONCATENATE ,但輸出方向相反。
ILoopOutputLayer的輸出定義中的n值由循環(huán)的ITripLimitLayer確定:
對(duì)于計(jì)數(shù)循環(huán),它是迭代計(jì)數(shù),表示ITripLimitLayer的輸入。
對(duì)于 while 循環(huán),它是最小的 n 使得$X_n$為假,其中X是ITripLimitLayer的輸入張量的序列。
非循環(huán)層的輸出是層功能的順序應(yīng)用。例如,對(duì)于一個(gè)二輸入非循環(huán)層F(X,Y) = ? f(X 0 , Y 0 ), f(X 1 , Y 1 ), f(X 2 , Y 2 )。.. ? 。如果一個(gè)張量來(lái)自循環(huán)之外,即是循環(huán)不變的,那么它的序列是通過(guò)復(fù)制張量來(lái)創(chuàng)建的。
10.3. Nested Loops
TensorRT 從數(shù)據(jù)流中推斷出循環(huán)的嵌套。例如,如果循環(huán) B 使用在循環(huán) A 中定義的值,則 B 被認(rèn)為嵌套在 A 中。
TensorRT 拒絕循環(huán)沒(méi)有干凈嵌套的網(wǎng)絡(luò),例如如果循環(huán) A 使用循環(huán) B 內(nèi)部定義的值,反之亦然。
10.4. Limitations
引用多個(gè)動(dòng)態(tài)維度的循環(huán)可能會(huì)占用意外的內(nèi)存量。 在一個(gè)循環(huán)中,內(nèi)存的分配就像所有動(dòng)態(tài)維度都取任何這些維度的最大值一樣。例如,如果一個(gè)循環(huán)引用兩個(gè)維度為[4,x,y]和[6,y]的張量,則這些張量的內(nèi)存分配就像它們的維度是[4,max(x,y),max(x ,y)]和[6,max(x,y)] 。
帶有kLAST_VALUE的LoopOutputLayer的輸入必須是IRecurrenceLayer的輸出。 循環(huán) API 僅支持 FP32 和 FP16 精度。
10.5. Replacing IRNNv2Layer With Loops
IRNNv2Layer在 TensorRT 7.2.1 中已棄用,并將在 TensorRT 9.0 中刪除。使用循環(huán) API 合成循環(huán)子網(wǎng)絡(luò)。例如,請(qǐng)參閱sampleCharRNN方法SampleCharRNNLoop::addLSTMCell 。循環(huán) API 讓您可以表達(dá)一般的循環(huán)網(wǎng)絡(luò),而不是局限于IRNNLayer和IRNNv2Layer中的預(yù)制單元。
關(guān)于作者
Ken He 是 NVIDIA 企業(yè)級(jí)開(kāi)發(fā)者社區(qū)經(jīng)理 & 高級(jí)講師,擁有多年的 GPU 和人工智能開(kāi)發(fā)經(jīng)驗(yàn)。自 2017 年加入 NVIDIA 開(kāi)發(fā)者社區(qū)以來(lái),完成過(guò)上百場(chǎng)培訓(xùn),幫助上萬(wàn)個(gè)開(kāi)發(fā)者了解人工智能和 GPU 編程開(kāi)發(fā)。在計(jì)算機(jī)視覺(jué),高性能計(jì)算領(lǐng)域完成過(guò)多個(gè)獨(dú)立項(xiàng)目。并且,在機(jī)器人和無(wú)人機(jī)領(lǐng)域,有過(guò)豐富的研發(fā)經(jīng)驗(yàn)。對(duì)于圖像識(shí)別,目標(biāo)的檢測(cè)與跟蹤完成過(guò)多種解決方案。曾經(jīng)參與 GPU 版氣象模式GRAPES,是其主要研發(fā)者。
審核編輯:郭婷
-
NVIDIA
+關(guān)注
關(guān)注
14文章
4793瀏覽量
102427 -
gpu
+關(guān)注
關(guān)注
27文章
4591瀏覽量
128144 -
人工智能
+關(guān)注
關(guān)注
1787文章
46061瀏覽量
234988
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論